Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1 CARACTERÍSTICAS GENERALES
La Planificación Desagregada de la producción es la determinación de las cantidades a
producir de cada uno de los productos finales, en un determinado horizonte de planificación.
Cuando se realiza previamente la Planificación Agregada (APP: Aggregate Production
Planning), que fija cantidades globales de producción, el plan desagregado se obtiene por
algún procedimiento de desagregación del plan agregado, con el que debe ser consistente. Si
no hay plan agregado, como en el caso de pocos productos finales distintos, la planificación
desagregada se realiza sobre la base de los pronósticos de la demanda de los artículos y de los
pedidos en firme de los clientes.1
El plan desagregado debe ser revisado y actualizado periódicamente con el criterio de
horizonte deslizante. Cuando se lo obtiene por desagregación de un plan agregado, en cada
actualización se deben tener en cuenta los pronósticos de demanda más recientes de los
productos individuales para ajustar las cantidades, manteniendo siempre la coherencia con el
plan agregado. Los pronósticos de demanda de los artículos individuales son entonces
imprescindibles en todos los casos. Sin embargo como el plan desagregado debe considerar
las limitaciones de capacidad, costos de producción y otras restricciones (por ejemplo lotes
mínimos de producción), las cantidades que fija pueden diferir de las pronosticadas.
Por su importancia en la producción, el plan desagregado es llamado Plan Maestro de
Producción y también, mucho más habitualmente, Programa Maestro de Producción (MPS:
Master Production Schedule). Sin embargo es necesario distinguir entre plan y programa:
cuando se establecen las cantidades y las fechas precisas de comienzo y terminación de la
producción de cada artículo, es un programa de producción; si solamente se fijan cantidades,
por ejemplo por período, sin especificar las fechas dentro del período (que se fijan en un
proceso posterior), es un plan. En lo que sigue vamos a utilizar las siglas MPS –dada su
extendida utilización en los sistemas de planificación– para identificar el plan desagregado,
pero teniendo siempre presente que con ellas nos referiremos a un Plan Maestro o a un
Programa Maestro según corresponda en cada caso.
Por otra parte, debemos distinguir la planificación basada en tasas de producción, típica de
la fabricación continua y repetitiva, de la planificación en fase de tiempo, característica de la
producción intermitente en lotes. En la producción continua y repetitiva, como veremos en su
momento, el MPS es un programa de producción cuya estructura es muy simple. Ahora nos
concentraremos en la planificación en fase de tiempo, es decir por períodos (semanas, meses),
característica de los sistemas clásicos de planificación y programación de la producción.
1
Cf. Rogelio A. A. Morán, “Sistemas de Planificación, Programación y Control de la Producción”,
Departamento de Optimización y Control, Escuela de Ingeniería Industrial, Facultad de Ciencias Exactas,
Ingeniería y Agrimensura, U.N.R., Rosario, 2011.
*
Profesor Titular y Director del Departamento de Optimización y Control. Escuela de Ingeniería Industrial.
Facultad de Ciencias Exactas, Ingeniería y Agrimensura. Universidad Nacional de Rosario. 2012.
1
Dado que el MPS es un plan de producción, debe estar expresado en unidades de artículos
finales para los cuales exista una lista de materiales (BOM: Bill of Materials) que permita
determinar los requerimientos de materiales y elementos componentes para su fabricación. Es
la información fundamental para el sistema de Planificación de los Requerimientos de
Materiales (MRP: Material Requirements Planning).
En primer lugar veremos el caso en que no hay planificación agregada y luego trataremos
el problema de la desagregación.
Períodos t 0 1 2 3 4 5 6 7 8 9 10 11 12 Totales
Pronóstico dt 25 25 25 25 30 30 30 30 35 35 35 35 360
MPS xt 100 100 100 100 400
Disponible st 60 35 10 85 60 30 100 70 40 105 70 35 100
Tabla 1
Períodos t 1 2 3 4 5 6 7 8 9 10 11 12 13 Totales
Pronóstico dt 30 30 30 35 35 35 35 35 35 35 35 35 405
MPS xt 100 100 100 100 400
Disponible st 30 0 70 40 5 70 35 0 65 30 -5 60 25
Tabla 2
El ejemplo anterior motiva varias cuestiones. En primer lugar está el problema de cómo se
decidieron las cantidades y los períodos de fabricación. Las cantidades surgen de lotes
mínimos de producción originados fundamentalmente en la consideración de los costos de las
puestas a punto. Una aproximación de estas cantidades se puede obtener utilizando los
modelos de stocks con restricciones de tiempo de puesta a punto, pero debe recordarse que los
mismos son válidos solamente si todos los artículos se fabrican con los mismos equipos y que,
Ejemplo 2
La tabla siguiente es el MPS para tres artículos A, B y C que comparten los mismos
equipos, es decir, que tienen procesos de producción similares. El lote mínimo de producción
para todos ellos es de 50 unidades.
Artículo A
Períodos t 0 1 2 3 4 5 6 7 8 9 10 11 12 Totales
Pronóstico dt 30 30 30 30 25 25 25 25 20 20 20 20 300
MPS xt 60 60 60 60 60 300
Disponible st 50 80 50 20 50 25 60 35 10 50 30 10 50
Artículo B
Períodos t 0 1 2 3 4 5 6 7 8 9 10 11 12 Totales
Pronóstico dt 15 15 15 15 15 15 15 15 15 15 15 15 180
MPS xt 60 60 60 180
Disponible st 40 25 70 55 40 25 10 55 40 25 70 55 40
Artículo C
Períodos t 0 1 2 3 4 5 6 7 8 9 10 11 12 Totales
Pronóstico dt 20 20 20 20 22 22 22 22 25 25 25 25 268
MPS xt 60 60 60 60 240
Disponible st 80 60 40 80 60 98 76 54 92 67 42 77 52
Tabla 3
2
Cf. Rogelio A. A. Morán, “Elementos de Gestión de las Existencias (Stocks)”, Departamento de Optimización
y Control, Escuela de Ingeniería Industrial, Facultad de Ciencias Exactas, Ingeniería y Agrimensura, U.N.R.,
Rosario, 2007.
4 Planificación Desagregada de la Producción. 2012 R. Morán
Dados los pronósticos y las existencias iniciales, el planificador decide producir lotes de 60
unidades y asignarlos de manera que se fabrique un lote por semana, para mantener una carga
uniforme, y que no haya faltantes. Desde luego que podría haber implementado otras
alternativas; la solución no es única.
Es claro que si son muchos los productos no se puede planificar por prueba y error y el
sistema de planificación debe implementar modelos apropiados. Dado que en el caso de
artículos finales numerosos la planificación comienza con un plan agregado, los modelos para
planificación desagregada, que pueden depender del tipo de producción, los veremos al tratar
el tema de la desagregación. Sin embargo, como veremos, el modelo de desagregación en fase
de tiempo puede ser aplicado también para obtener el MPS cuando no hay APP, si se dispone
de pronósticos confiables de todos los productos para todos los períodos del horizonte.
Otra cuestión importante en el MPS es la de las revisiones. Normalmente, en las revisiones
el o los períodos inmediatos no pueden modificarse, o pueden modificarse muy poco, debido
a que ya están comprometidos los materiales y además pueden estar en ejecución las partes
componentes del producto final planificado en esos períodos. Estas restricciones dependen de
las características del producto y del proceso de producción. Se fijan entonces intervalos de
tiempo (medidos en períodos del MPS), llamados barreras o marcos de tiempo, en los que
únicamente se pueden hacer ciertos tipos de modificaciones en las revisiones.
En general se establecen los siguientes límites:
Período(s) fijo(s) (o congelado): No se puede realizar ningún cambio (salvo casos de
fuerza mayor).
Período(s) semifijo(s): Se permiten cambios limitados (por ejemplo: cambios en las
cantidades de un grupo de productos siempre que estén las piezas disponibles).
Período(s) flexible(s): Períodos con cambios libres, siempre que se satisfagan las
restricciones de capacidad.
Por otra parte, el horizonte de planificación puede plantear el problema de la precisión de
los pronósticos. En muchos casos se necesita un horizonte de un año con períodos mensuales
y únicamente se pueden tener pronósticos aceptables para los primeros meses. Se puede
plantear entonces el MPS sobre la base de cuatro períodos trimestrales, para los que se puede
tener mejores pronósticos, y desagregar el primer trimestre con períodos mensuales que
pueden ser bien pronosticados porque son los inmediatos. En las actualizaciones mensuales se
mantienen siempre los tres primeros períodos mensuales y luego tres períodos trimestrales.
Ejemplo 3
Retomemos el Ejemplo 1. La Tabla 4 muestra las cantidades ATP al comienzo de la
planificación (comienzo de la semana 1), cuando todavía no se ha recibido ningún pedido.
Períodos t 0 1 2 3 4 5 6 7 8 9 10 11 12 Totales
Pronóstico dt 25 25 25 25 30 30 30 30 35 35 35 35 360
MPS xt 100 100 100 100 400
Disponible st 60 35 10 85 60 30 100 70 40 105 70 35 100
Compromiso ct
ATP at 60 100 100 100 100
Tabla 4
Supongamos que hasta un cierto momento en la semana 1 se han aceptado los siguientes
pedidos:
Períodos t 0 1 2 3 4 5 6 7 8 9 10 11 12 Totales
Pronóstico dt 25 25 25 25 30 30 30 30 35 35 35 35 360
MPS xt 100 100 100 100 400
Disponible st 60 35 10 85 60 30 100 70 40 105 70 35 100
Compromiso ct 15 10 5 5
ATP at 35 90 100 100 100
Tabla 5
Períodos t 1 2 3 4 5 6 7 8 9 10 11 12 13 Totales
Pronóstico 30 30 30 30 30 30 35 35 35 35 35 35 390
MPS 100 100 100 100 400
Disponible 30 0 70 40 10 80 50 15 80 45 10 75 40
Compromiso ct 25 15 13 5 10 5
ATP at 5 67 85 100 100
Tabla 6
Períodos t 1 2 3 4 5 6 7 8 9 10 11 12 13 Totales
Pronóstico 30 30 30 30 30 30 35 35 35 35 35 35 390
MPS 100 100 100 100 400
Disponible 30 0 70 37 7 57 22 -13 52 17 -18 47 12
Compromiso ct 30 25 33 30 50 35 20
ATP at 0 7 0 100 100
Tabla 7
Períodos t 2 3 4 5 6 7 8 9 10 11 12 13 14 Totales
Pronóstico 30 30 35 35 35 35 35 35 40 40 40 40 430
MPS 100 100 100 100 400
Disponible 0 70 37 2 52 17 -18 47 12 -28 32 -8 -48
Compromiso ct 25 33 30 50 35 20 0
ATP at 7 0 100 100
Tabla 8
Deben revisarse las cantidades planificadas porque no se pueden aceptar pedidos por más
de 7 u. para las semanas 3 a 8 y el pronóstico supera la producción prevista.
Ejemplo 4
Una fábrica de bicicletas produce tres modelos distintos: ESTÁNDAR; EXTRA, con 5
velocidades, y SÚPER, que tiene 10 velocidades. Para cada modelo existen cuatro opciones
de rodados: 20, 24, 26 y 28. Además, por razones de mercado, todos los modelos y opciones
se comercializan con las marcas BIKE y BICI, que difieren en los accesorios y el color de la
pintura. En total se comercializan 3 × 4 × 2 = 24 artículos finales distintos.
Dentro de cada modelo hay elementos comunes a todas las opciones y marcas: el conjunto
de pedales, el conjunto de engranajes, el conjunto manubrio, el asiento, el conjunto de frenos,
etc., que dan origen a tres módulos, que indicaremos CE, CX, CS. Los elementos que
cambian dentro de un mismo modelo, independientemente de la marca, son: el cuadro, la
horquilla, el conjunto de ruedas, etc., que constituyen los módulos E20, E24, E26, E28, X20,
X24, X26, X28, S20, S24, S26 y S28. Los accesorios que caracterizan las marcas,
independientemente de los modelos y rodados, forman los módulos BK y BC. Además hay
elementos comunes a todos los modelos, marcas y rodados, por ejemplo un conjunto de
accesorios, que forman el módulo C. Se tienen así 18 módulos con los cuales se pueden armar
todos los artículos finales. Por ejemplo, para armar una bicicleta marca BIKE, modelo
SÚPER, rodado 26, se necesita un módulo CS, uno S26, uno BK y uno C.
En el MPS se planifican las cantidades de los módulos a partir de los pronósticos. Por
ejemplo, si para un período se pronostica una demanda de 300 unidades ESTÁNDAR, 500
EXTRA y 200 SÚPER, con independencia de marcas y rodados, y se sabe que en promedio la
demanda del rodado 26 es el 40% del total del modelo, el pronóstico para planificar el módulo
CS es de 200 unidades y para planificar S26 es de 0,40 × 200 = 80 unidades. El pronóstico
para C es, obviamente, 1000 unidades. Si además se sabe que en promedio el 45% del total se
comercializa con la marca BIKE, el pronóstico BK es 450 unidades. Análogamente para los
demás. Las listas de materiales para fabricar los módulos son las que utiliza el sistema MRP.
En este ejemplo, debido a su simplicidad, la cantidad de módulos no es muy pequeña
comparada con los productos finales. Sin embargo, es fácil ver que el número de artículos
finales puede crecer con muy poco cambio en los módulos. Por ejemplo, supongamos que los
clientes pudieran elegir entre tres variantes de accesorios para todos los modelos, rodados y
marcas; el conjunto C se desdoblaría en C1, C2 y C3 y el total de módulos sería de 20, pero el
número de artículos finales sería 24 × 3 = 72.
Ejemplo 5
Retomemos el Ejemplo 4. Lo que caracteriza esencialmente los productos, lo que marca las
diferencias importantes, es el modelo. Cada modelo está formado por cuatro rodados y dos
marcas, es decir es el agregado de ocho opciones de artículos finales. Si se disponen
existencias de los elementos componentes de los modelos, el armado de las distintas opciones
en cada modelo es muy rápido y puede hacerse a partir de los pedidos.
Para la planificación de la producción sobre la base de estos tres modelos agregados se
definen las súper listas siguientes.
Figura 3
Modelo ESTÁNDAR
Períodos t 0 1 2 3 4 5 6 7 8 9 10 11 12 Totales
Pronóstico dt 70 70 70 70 65 65 65 65 65 65 65 65 800
MPS xt 140 140 140 140 140 140 840
Disponible st 40 110 40 110 40 115 50 125 60 135 70 145 80
Modelo EXTRA
Períodos t 0 1 2 3 4 5 6 7 8 9 10 11 12 Totales
Pronóstico dt 85 85 85 85 100 100 100 100 100 100 100 100 1140
MPS xt 200 200 200 200 200 200 1200
Disponible st 85 0 115 30 145 45 145 45 145 45 145 45 145
Modelo SÚPER
Períodos t 0 1 2 3 4 5 6 7 8 9 10 11 12 Totales
Pronóstico dt 80 80 80 80 85 85 85 85 85 85 85 85 1000
MPS xt 170 170 170 170 170 170 1020
Disponible st 75 165 85 175 95 180 95 180 95 180 95 180 95
Tabla 9
El disponible inicial de cada modelo resulta de las existencias de los artículos finales
correspondientes, que son las siguientes.
BIKE BICI
Rodado ESTÁNDAR EXTRA SÚPER ESTÁNDAR EXTRA SÚPER
20 3 5 4 2 10 8
24 6 10 12 4 15 10
26 10 15 10 5 10 15
28 5 10 6 5 10 10
Totales 24 40 32 16 45 43
Tabla 10
Tabla 11
Por ejemplo, para el artículo final “BIKE ESTÁNDAR rodado 20”, el rodado 20 participa
con el 10% en el modelo ESTÁNDAR y la marca BIKE con el 40%, luego de las 140 u.
planificadas para la semana 1 en el MPS resultan para ese artículo: 140 × 0,1 × 0,4 = 5,6 u.,
que se redondean a 6 u., para la semana 1 del FAS. De la misma manera se obtienen todas las
demás cantidades.
Para operar con los pedidos se uti-
Marca: BIKE – Modelo: SÚPER – Rodado: 26
Períodos t 0 1 2 3 4 Totales
liza el mecanismo de compromiso y
FAS xt 40 0 40 0 80 disponible para comprometer. Tome-
Disponible st 10 50 50 90 90 mos como ejemplo la bicicleta marca
Compromiso ct 0 BIKE, modelo SÚPER, rodado 26.
ATP at 50 40 90 En el comienzo de la programación
Tabla 12 el registro del FAS es el que muestra
la Tabla 12.
Marca: BIKE – Modelo: SÚPER – Rodado: 26
Períodos t 0 1 2 3 4 Totales Supongamos que en la semana 1
FAS xt 40 0 40 0 80 llegan pedidos por 25 u. para entrega
Disponible st 10 25 5 45 45 en la misma semana y 20 u. para en-
Compromiso ct 25 20 45 trega en la siguiente. El registro es el
ATP at 5 40 45 de la Tabla 13; el disponible se cal-
Tabla 13 cula restando las cantidades com-
prometidas.
Si ahora, todavía en la semana 1, ingresa un pedido por 42 u. para la semana 3, como el
ATP no alcanza se deberían comprometer 2 u. del ATP de la semana 1. Sin embargo, como los
Modelo SÚPER
Períodos t 0 1 2 3 4 5 6 7 8 9 10 11 12 Totales
Pronóstico dt 80 80 80 80 85 85 85 85 85 85 85 85 1000
MPS xt 170 0 170 0 170 0 170 0 170 0 170 0 1020
Disponible st 75 165 85 170 90 175 90 175 90 175 90 175 90
Compromiso ct 80 65 85 20 250
ATP at 100 65 170 170 170 170 845
Tabla 16
Modelo SÚPER
Períodos t 1 2 3 4 5 6 7 8 9 10 11 12 13 Totales
Pronóstico dt 80 80 80 85 85 85 85 85 85 85 85 85 1005
MPS xt 0 170 0 170 0 170 0 170 0 170 0 170 1020
Disponible st 165 85 170 90 175 90 175 90 175 90 175 90 175
Compromiso ct 65 85 20 170
ATP at 65 170 170 170 170 170 915
Tabla 17
Si ingresan pedidos para períodos fuera del horizonte del FAS se incorporan solamente en
el MPS. En las posteriores actualizaciones semanales de ambos programas se incorporarán
esas cantidades en el FAS.
Respecto de la programación de los componentes, las cantidades del MPS dan origen a los
requerimientos brutos en la Planificación de los Requerimientos de Materiales (MRP). Por
ejemplo, si el conjunto de frenos es un elemento común para el modelo ESTÁNDAR, las 140
u. planificadas en el MPS (Tabla 9) para las semanas 1, 3, etc., pasan a ser requerimientos
brutos de 140 conjuntos de frenos en las mismas semanas de la MRP. En cambio, para el
conjunto de accesorios de la marca BIKE, en el modelo ESTÁNDAR, el requerimiento bruto
será de 140 × 0,4 = 56 u. Análogamente para los demás elementos.
σW2 = σ Y2 × k j T ,
j j
j = 1,L, n (5)
supuesta la independencia de las demandas por unidad de tiempo.
La probabilidad de faltante es
3
Cf. R. A. A. Morán, “Gestión de las Existencias (Stocks)”, op. cit.
Planificación Desagregada de la Producción. 2012 R. Morán 17
P(Wj > w j ,ρ j ) = ρ j , j = 1,L, n (7)
y luego se obtiene el stock de seguridad con
B j = w j ,ρ j − µ j , j = 1,L, n (8)
Si Wj tiene distribución Normal, estandarizando la variable el riesgo de faltante queda
W j − µW j B
P(W j > µW j + B j ) = P > j = P( Z j > z j ) = ρ j , j = 1,L, n (9)
σW σW j
j
y de la tabla de E(zj) se obtiene zj. Luego el stock de seguridad se calcula con (10).
4
Cf. R. A. A. Morán, “Gestión de las Existencias (Stocks)”, op. cit., pp. 66-67. La expresión original es
E ( z j ) = (1 − IPF j ) × D j × T σ W , donde Dj × T es la demanda media por período, porque Dj es la demanda
j
media anual y T es el período expresado en años. En nuestro caso esa demanda media es µW . Wj es la demanda j
5
Cf. Rogelio A. A. Morán, “Planificación Agregada de la Producción”, Departamento de Optimización y
Control, Escuela de Ingeniería Industrial, Facultad de Ciencias Exactas, Ingeniería y Agrimensura, U.N.R.,
Rosario, 2012.
Planificación Desagregada de la Producción. 2012 R. Morán 19
Pj = Capacidad de producción del CT j (j = 1, 2,…, J) en el año, en horas normales. [h].
hk,j = Tiempo estándar unitario de la operación del producto final k (k = 1, 2,…, n), en el CT
j, incluida la puesta a punto de los equipos. [h/uk].
hk = Tiempo estándar unitario total de las operaciones del producto final k (tiempo unitario
de producción equivalente). [h/uk].
ha = Tiempo unitario promedio de producción del producto agregado. [h/ua].
Consideraremos únicamente las horas normales de producción porque las extras se utilizan,
muy frecuentemente, para compensar diferencias de capacidad de algunos recursos solamente.
Las horas de capacidad Pj se calculan con las horas diarias normales (un turno, dos turnos,
etc., según corresponda), los días hábiles del año, y aplicando un rendimiento que tenga en
cuenta las pérdidas por fallas y reparaciones. Este rendimiento no debe incluir los tiempos de
las puestas a punto, factores personales, ni tasas de defectuosos. La capacidad de producción
global anual de la planta resulta entonces
J
P = ∑ Pj (12)
j =1
El tiempo estándar unitario hk,j debe incluir las puestas a punto y los factores personales.
Esto implica que su cálculo se basará en un lote promedio de producción. Bajo estas hipótesis,
aceptando además que cada producto tiene a lo sumo una operación en cada CT, el tiempo
estándar unitario de todas las operaciones del producto k resulta
J
hk = ∑ hk , j , k = 1, 2,L, n (13)
j =1
Si el producto k no se procesa en el centro j, será hk,j = 0. Indicando con [uk] la unidad del
producto k, el tiempo hk se expresa en [h/uk].
Notar que hk es el tiempo de utilización efectiva de los recursos por unidad del producto k.
Lo llamaremos tiempo unitario de producción equivalente porque una unidad del producto
k equivale a hk horas de producción de los recursos. El tiempo de producción equivalente de
un lote de xk unidades del producto k está dado por
hk xk , k = 1, 2,L, n (14)
Es importante no confundir el tiempo de producción equivalente de un lote de xk unidades,
con el tiempo de producción, o tiempo de entrega, o lead time, Lk, del lote. En efecto, Lk es el
tiempo desde que comienza la producción hasta que el producto terminado está disponible
para su utilización, pasando por todas las operaciones de su proceso (es el tiempo de
permanencia en planta). En la producción intermitente en lotes este tiempo incluye, además de
los tiempos de las operaciones, los tiempos de las esperas en los CT y de los transportes entre
ellos, y por lo tanto es mayor que el tiempo de producción equivalente (14). Los tiempos de
producción Lk son necesarios para la etapa posterior de programación de las operaciones.
Recordemos el concepto de producto agregado. Supongamos que en el año, utilizando la
capacidad P, se han fabricado Q unidades de todos los artículos (es la suma de las cantidades
producidas en el año de los n artículos finales). Entonces el tiempo promedio de producción
por unidad es
ha = P Q (15)
Ejemplo 6
Una fábrica tiene cuatro centros de trabajo en los que se producen veinte artículos
distintos. Las capacidades anuales de los CT, en horas normales netas de pérdidas (fallas,
reparaciones, etc.), son las de la Tabla 18. El CT 3 consta de dos máquinas idénticas.
Todos los productos tienen a lo sumo una operación en cada CT. En el último año, con los
CT continuamente ocupados, se produjeron Q = 8000 u. de todos los productos. Uno de los
productos, el artículo k, se fabrica en lotes promedio de 40 u. y tiene operaciones en tres CT,
con los tiempos estándar unitarios por operación y los tiempos de puestas a punto que muestra
la Tabla 19.
CT Capacidad Producto k
j [h/año] CT T. std. oper. T. p. a punto
1 1920 j [h/u] [h]
2 1800 1 0,25 5
3 3400 2
4 1680 3 0,40 6
P = 8800 4 0,35 4
1,00 15
Tabla 18
Tabla 19
Se tiene entonces:
ha = 8800 / 8000 = 1,10 h/ua
Ejemplo 7
Supongamos un producto agregado que representa tres productos finales A, B y C, cuyos
porcentajes de participación en el agregado, en las mismas unidades que él, son 40%, 25% y
35% respectivamente. Los porcentajes son los mismos para todos los períodos.
Períodos t 0 1 2 3 4 5 6 7 8 9 10 11 12 Totales
Pronóstico dt 250 200 150 150 100 150 250 350 350 300 250 200 2700
Planificado zt 250 250 250 250 0 250 250 250 250 250 250 250 2750
Disponible st 200 200 250 350 450 350 450 450 350 250 200 200 250
Tabla 20
Las cantidades desagregadas por porcentajes son las siguientes (cantidades redondeadas).
Períodos t 0 1 2 3 4 5 6 7 8 9 10 11 12 Totales
A (40%) xA,t 85 100 100 100 100 0 100 100 100 100 100 100 100 1100
B (25%) xB,t 40 63 63 63 63 0 63 63 63 63 63 63 63 693
C (35%) xC,t 75 88 88 88 88 0 88 88 88 88 88 88 88 968
Tabla 21
Estas cantidades deben ajustarse a partir de los pronósticos detallados para obtener un MPS
realista. Supongamos que para un horizonte de doce meses esos pronósticos tienen gran
incertidumbre y que únicamente son aceptables para los primeros tres meses. La Tabla 22
contiene estos pronósticos.
Períodos t 1 2 3 Totales Aunque los pronósticos muestran una tendencia
Prod. A dA,t 110 90 70 270 decreciente todavía son mayores que los aceptados
Prod. B dB,t 60 50 40 150 en el plan agregado para esos períodos: 645 y 600
Prod. C dC,t 85 75 65 225 unidades respectivamente.
Tabla 22 En estas condiciones, dado que las cantidades de
producción agregada planificadas son todavía
mayores, se pueden mantener, en principio, las cantidades desagregadas. Para los nueve
meses siguientes se puede desagregar el pronóstico agregado con los mismos porcentajes. El
MPS es el que sigue.
Producto A Meses
Períodos t 0 1 2 3 4 5 6 7 8 9 10 11 12 Totales
Pronóstico dA,t 110 90 70 60 40 60 100 140 140 120 100 80 1110
MPS xA,t 100 100 100 100 0 100 100 100 100 100 100 100 1100
Disponible sA,t 85 75 85 115 155 115 155 155 115 75 55 55 75
Producto B
Períodos t 0 1 2 3 4 5 6 7 8 9 10 11 12 Totales
Pronóstico dB,t 60 50 40 38 25 38 63 88 88 75 63 50 678
MPS xB,t 63 63 63 63 0 63 63 63 63 63 63 63 693
Disponible sB,t 40 43 56 79 104 79 104 104 79 54 42 42 55
Producto C
Períodos t 0 1 2 3 4 5 6 7 8 9 10 11 12 Totales
Pronóstico dC,t 85 75 65 53 35 53 88 123 123 105 88 70 963
MPS xC,t 88 88 88 88 0 88 88 88 88 88 88 88 968
Disponible sC,t 75 78 91 114 149 114 149 149 114 79 62 62 80
Tabla 23
Producto A Semanas
Períodos t 0 1 2 3 4 5 6 7 8 9 10 11 12 Totales
Pronóstico dA,t 30 30 30 25 25 25 25 20 20 20 15 15 280
MPS xA,t 65 65 65 65 65 325
Disponible sA,t 85 120 90 60 100 75 50 90 70 50 95 80 130
Producto B
Períodos t 0 1 2 3 4 5 6 7 8 9 10 11 12 Totales
Pronóstico dB,t 15 15 15 15 15 15 10 10 10 10 10 10 150
MPS xB,t 65 65 65 195
Disponible sB,t 40 25 10 60 45 30 80 70 60 115 105 95 85
Producto C
Períodos t 0 1 2 3 4 5 6 7 8 9 10 11 12 Totales
Pronóstico dC,t 25 25 25 25 20 20 20 20 15 15 15 15 240
MPS xC,t 65 65 65 65 260
Disponible sC,t 75 50 90 65 40 85 65 45 90 75 60 110 95
Tabla 24
Es claro que esta forma de desagregación puede ser muy útil en casos simples con pocos
artículos finales, pero no incluye ningún criterio de optimización. El enfoque más general es
a través de modelos de optimización.
6
Adaptado de D. D. Bedworth y J. E. Bailey, Sistemas Integrados de Control de Producción, México: Limusa,
1992, pp. 182-188.
Planificación Desagregada de la Producción. 2012 R. Morán 25
1. Determinación de las familias a producir.
Si para al menos un producto las existencias al comienzo del período no son suficientes
para cubrir la demanda del mismo, más una cierta existencia de seguridad; es decir si para al
menos un k resulta que
sk ,i ,t −1 − d k ,i ,t < Bk ,i ,t , k = 1, 2,L, Ki , i = 1, 2,L, I (19)
entonces todos los productos k de la familia i se incluyen en el período t. Sea It el conjunto de
las familias para las que se cumple la (19).
Aquí se han supuesto existencias de seguridad, determinadas con algún criterio de servicio
al cliente.
2. Determinación de las cantidades a producir para cada producto, xk,i, en el período t.
Todos los productos k de la familia i∈It se deben producir juntos, luego la cantidad de
veces que se producen por año, Ni, es común a todos. El valor óptimo de Ni será el que
minimice el costo total anual de la decisión de producir la familia i, Ni veces en el año.
El costo medio anual de mantenimiento de las existencias resulta
1 Dk ,i
Bk ,i + 2 N ck ,i h , k = 1, 2,L, Ki , i ∈ It (20)
i
El costo total anual de puesta a punto (despreciando los costos de puesta a punto entre
productos de una misma familia) es Ni Ai. Luego, el costo total anual de la decisión de
producir Ni veces la familia i será
Ki
1 Dk ,i
CTA( N i ) = ∑ Bk ,i + ck ,i h + Ai Ni , i ∈ It
2 N i
(21)
k =1
Luego las cantidades óptimas a producir cada vez que se hagan los productos serán
D 2Dk2,i Ai
x = k*,i =
*
k ,i Ki , k = 1, 2, L, K i , i ∈ It
Ni (23)
h ∑ ck ,i Dk ,i
k =1
Estas cantidades no dependen del período t para el que se realiza la desagregación y han
sido obtenidas sin tener en cuenta el plan agregado; por lo tanto, en general, no son las
cantidades xk,i,t a producir en el período. Para obtenerlas, las cantidades dadas por (23) se
deben ajustar para concordar con el plan agregado. Es decir, las cantidades xk,i,t deben ser tales
que, convertidas en unidades agregadas, su suma iguale la planificación agregada zt en el
período. Este es el paso siguiente.
3. Ajuste de las cantidades obtenidas al plan agregado.
∑ ∑ ak ,i xk ,i ,t = zt zt
i∈I t k =1
*
x = zt
*
k ,i k ,i (27)
i∈I t k =1
y las cantidades xk,i,t verifican la (24).
Si bien las cantidades xk,i,t dadas por (25) se ajustan al plan agregado, no tienen en cuenta
los posibles desbalances en las existencias al comienzo del período. En efecto, por la
aleatoriedad de la demanda algunos artículos pueden tener existencias en exceso, por ejemplo
mayores que la demanda pronosticada más el stock de seguridad (en rigor, si se cumpliera el
pronóstico no se necesitaría producirlos), mientras que para otros puede ser muy exigua. Estas
discrepancias las podemos evaluar calculando
yk ,i ,t = sk ,i ,t −1 − d k ,i ,t − Bk ,i ,t , k = 1, 2,L, Ki , i ∈ It (28)
que miden las diferencias entre lo disponible y lo necesario según lo pronosticado. Si yk,i,t > 0
el artículo tiene existencias en exceso, mientras que si yk,i,t < 0 son insuficientes. Los artículos
para los que yk,i,t < 0 son precisamente los que provocaron la inclusión de la familia en el plan.
Para tener en cuenta estas diferencias vamos a modificar los lotes dados por (23), antes de
ajustarlos para que concuerden con el plan agregado, de la siguiente manera
xk′ ,i = xk*,i − yk ,i ,t = xk*,i − sk ,i ,t −1 + d k ,i ,t + Bk ,i ,t , k = 1, 2,L, Ki , i ∈ I t (29)
Si yk,i,t < 0 el lote se incrementa y si yk,i,t > 0 disminuye. Si las existencias fueran tan
grandes que resultara x'k,i < 0, se tomará x'k,i = 0.
Finalmente los lotes corregidos (29) se ajustan al plan agregado en forma proporcional,
como se ajustaron los lotes (23) con la expresión (25), es decir
xk ,i ,t = xk′ ,i zt zt′ , k = 1, 2,L, Ki , i ∈ It (30)
donde
Ki
zt = ∑ ∑ ak ,i xk′ ,i
′ (31)
i∈I t k =1
Ejemplo 8
Consideremos los productos cuyos datos se muestran en la tabla siguiente. El plan
agregado establece una producción zt = 400 unidades para el próximo período t. Se quiere
determinar el plan desagregado para ese período.
Tabla 25
Los costos variables unitarios de producción son iguales para todos los artículos dentro de
cada familia:
Artículos de la familia A: ck,A = 5 $/u
Artículos de la familia B: ck,B = 10 $/u
Artículos de la familia C: ck,C = 8 $/u
El costo de puesta a punto, igual para todas las familias, es de 100 $. La tasa anual de costo
de mantenimiento de las existencias es del 25%.
De la Tabla 25 es evidente que se deben producir en el período las familias A y C. El
cálculo de la desagregación se muestra en la Tabla 26.
Art. Factor Stock Demanda Difer. Lote Primer Lote Lote Verific.
conv. Segur. Inicial Período Anual teórico ajuste agreg. produc.
k ak,i Bk,i,t sk,i,t-1 dk,i,t Dk,i yk,i,t x k* ,i x k′ ,i a k ,i x k′ ,i xk,i,t ak,I xk,i,t
A1 0,85 10 17 40 450 –33 140 173 147 65 55
A2 1,10 15 25 65 800 –55 249 304 335 115 126
A3 0,90 5 35 30 400 0 125 125 112 47 42
C1 1,15 12 13 50 600 –49 158 207 238 78 90
C2 0,85 5 40 30 350 5 92 87 74 33 28
C3 0,95 10 17 40 500 –33 131 164 156 62 59
3100 1061 400
Tabla 26
Observaciones
Con los ajustes los lotes se apartan de los óptimos (que sirvieron únicamente como primera
aproximación). La idea central en este modelo es que en cada período se debe hacer la
cantidad indicada por el plan agregado y por eso se ajustan los lotes. Lo ideal sería que
coincidieran las cantidades ajustadas al plan agregado en cada período con el lote óptimo. Si
el lote resultante en la desagregación es menor que el óptimo deberíamos trabajar en las
mejoras necesarias para que el lote óptimo económico sea más chico, disminuyendo el costo
de puesta a punto Ai. Vemos entonces que este método de desagregación puede ser útil
también para detectar objetivos de mejora.
El modelo utiliza un producto agregado único, y desagrega por familias y productos finales
para el próximo período (aunque pueden estimarse períodos siguientes). Requiere el
pronóstico para el período a desagregar de cada artículo final y la estimación de la demanda
total anual, pero no los pronósticos detallados por período, que para el horizonte del plan
agregado podrían ser totalmente imprecisos.
7
Cf. Rogelio A. A. Morán, Programación Lineal. Una introducción con extensiones a la Programación Entera y
a la Programación Cuadrática, 2ª ed., Rosario: UNR Editora, 2011, cap. 7.
30 Planificación Desagregada de la Producción. 2012 R. Morán
Ak,j = Costo de puesta a punto para hacer la operación del producto k en el CT j (j = 1,…, J),
independiente del producto realizado antes. [$].
mk,j = Tiempo estándar unitario de la operación del producto k en el CT j, sin incluir la
puesta a punto. [h].
rk,j = Tiempo estándar de puesta a punto de la operación del producto k en el CT j,
independiente de la secuencia. [h].
cp,k = Costo variable unitario de producción, en horas normales, del producto k puesto en el
almacenamiento. [$/uk].
ce,j = Incremento del costo por hora extra utilizada en el CT j. [$/h].
cv,k = Costo unitario por atraso en las entregas del producto k, con cv,k > cp,k. [$/uk].
i = Tasa de costo de mantenimiento de las existencias por período, supuesta igual para
todos los productos. [tanto por uno].
αk,t = Variable que indica si el producto k se hace en el período t:
= 1 si el producto k se hace en el período t
α k ,t =
= 0 en todo otro caso
Para calcular el costo de mantenimiento de las existencias por período es necesario conocer
la evolución de las mismas. Dado que un producto puede fabricarse en distintos momentos
dentro del período, o no fabricarse, y que la demanda se puede satisfacer de diferentes
maneras en el período, dicha evolución puede tomar muy distintas formas. En consecuencia,
para mantener simple el modelo, haremos una aproximación considerando solamente
evoluciones lineales de las existencias en cada período, de manera que las existencias medias
por período estarán dadas por (sj,t–1 + sj,t) / 2. El costo de mantenimiento de las existencias
T n
c T n
estará dado entonces por ∑∑ p ,k ( sk ,t −1 + sk ,t ) i , que se puede aproximar por ∑∑ c p ,k sk ,ti
t =1 k =1 2 t =1 k =1
Observaciones
1) Es importante observar que en este modelo se supone que los productos finales comparten
todos los recursos y, en consecuencia, el costo variable unitario de producción es único
para cada producto, sin desagregación en los costos por cada recurso (los CT). En estas
condiciones el costo variable total en la función objetivo es una función lineal. Los
recursos intervienen solamente como restricciones de capacidad y las horas extras como
posibles ampliaciones de las mismas. Muy diferente es el caso cuando los recursos pueden
no utilizarse todos, pues se deben considerar los costos variables de producción por recurso
como, por ejemplo, cuando las horas extras son un recurso, un segundo turno es otro
recurso, etc. En este caso el costo variable total es una función lineal por tramos, y si es
convexa con tramos de pendiente creciente, por ser un problema de minimización, la
prioridad de uso de los recursos queda establecida por el orden creciente de los costos
variables correspondientes a cada uno.8
8
Este tema está analizado en R. A. A. Morán, “Planificación Agregada de la Producción”, op. cit., punto 2.3.
32 Planificación Desagregada de la Producción. 2012 R. Morán
2) Admitir pendientes en las entregas es una flexibilización del modelo. Caso contrario, tal
como están planteadas en (33), las restricciones de coherencia agregación-desagregación y
las que fijan las relaciones de las horas extras con el plan agregado podrían hacer que el
modelo sea incompatible.9
3) El modelo requiere los pronósticos de todos los productos para todos los períodos. En
horizontes de mediano plazo, por ejemplo anuales, los pronósticos pueden tener una gran
incertidumbre. En este caso se puede aplicar el modelo para desagregar solamente los
primeros períodos del plan agregado, e ir incorporando nuevos períodos en las sucesivas
revisiones.
4) Si se dispone de pronósticos confiables para todos los períodos del horizonte, eliminando
las restricciones de coherencia agregación-desagregación y las de concordancia de las
horas extras, el modelo es aplicable para obtener el MPS directamente para los productos
finales, sin planificación agregada.
5) Es posible que, debido a los tiempos de las puestas a punto, se hayan fijado lotes mínimos
de producción. En este caso el modelo debería incorporar las restricciones para establecer
que las cantidades a producir en cada período no sean menores que dichos lotes. Sin
embargo esta situación debe analizarse cuidadosamente porque esas condiciones podrían
resultar incompatibles con las de coherencia agregación-desagregación del modelo.
6) Respecto de los stocks de seguridad es aplicable todo lo estudiado en el punto 2.3.
7) La cantidad de variables binarias del modelo es igual al producto del número de artículos
finales por el número de períodos. Si el número de productos finales es grande, la cantidad
de variables binarias puede hacer que el tiempo de cálculo sea muy grande. Luego
ampliaremos el comentario sobre este aspecto de los modelo de PEM.
Ejemplo 9
Una planta fabrica tres productos A, B y C en cuya producción se utilizan cuatro centros de
trabajo. El plan agregado para los próximos seis meses es el siguiente, sin horas extras.
Períodos t 0 1 2 3 4 5 6 Totales
Pronóstico dt 700 670 690 680 650 620 4010
Planificado zt 700 700 700 700 700 700 4200
Disponible st 207 207 237 247 267 317 397
Tabla 28
Los pronósticos de los productos para esos períodos y las capacidades en horas normales y
extras de los CT están en las siguientes tablas.
9
Ver el punto 3.4.1
Planificación Desagregada de la Producción. 2012 R. Morán 33
Las existencias iniciales, las mínimas, los costos de producción y atrasos, los factores de
conversión y los tiempos estándar de las operaciones y de las puestas a punto y los costos de
las mismas en los cuatro CT se muestran en la Tabla 31.
El costo por hora de las puestas a punto es de 100 [$/h]. La tasa mensual de costo de
mantenimiento de las existencias es i = 0,02 [$/$] y el incremento de costos por cada hora
extra es de ce,j = 30 [$/h], el mismo para todos los CT.
Prod. sk,0 Bk cp,k cv,k ak mk,1 rk,1 Ak,1 mk,2 rk,2 Ak,2 mk,3 rk,3 Ak,3 mk,4 rk,4 Ak,4
k [u] [u] [$/u] [$/u] [ua/uk] [h/u] [h] [$] [h/u] [h] [$] [h/u] [h] [$] [h/u] [h] [$]
A 50 10 20 50 1,2 0,3 3 300 0 0,5 4 400 0,4 3 300
B 100 20 30 70 0,7 0,4 5 500 0,3 3 300 0,3 2 200 0
C 70 10 25 40 1,1 0 0,4 2 200 0,4 3 300 0,3 4 400
Tabla 31
El modelo se aplicó sin incluir las restricciones de coherencia en los stocks para dejar
mayor flexibilidad, ni las de relación de las horas extras porque el plan agregado no las fija.
Se tomó M = 10000.
La tabla siguiente resume la solución obtenida utilizando el programa LINDO® 10 cuyo
modelo se presenta en el Apéndice. Las cantidades están redondeadas a enteros.
Producto A
Períodos t 0 1 2 3 4 5 6 Totales
Pronóstico dA,t 150 200 220 230 220 200 1220
MPS xA,t 190 193 225 258 281 281 1428
Disponible sA,t 50 90 83 88 116 177 258
Pendientes vA,t 0 0 0 0 0 0
Producto B
Períodos t 0 1 2 3 4 5 6 Totales
Pronóstico dB,t 300 300 320 330 350 380 1980
MPS xB,t 328 356 331 307 289 289 1900
Disponible sB,t 100 128 184 195 172 111 20
Pendientes vB,t 0 0 0 0 0 0
Producto C
Períodos t 0 1 2 3 4 5 6 Totales
Pronóstico dC,t 280 200 180 160 130 100 1050
MPS xC,t 220 200 180 160 146 146 1052
Disponible sC,t 70 10 10 10 10 26 71
Pendientes vC,t 0 0 0 0 0 0
Tabla 32
10
LINDO es una Marca Registrada de Lindo Systems, Inc., 1415 North Dayton Street, Chicago, Illinois 60622,
USA.
34 Planificación Desagregada de la Producción. 2012 R. Morán
CT Períodos
j 1 2 3 4 5 6
1 36,39 48,00 48,00 48,00 48,00 48,00
2 41,52 41,67 26,33 11,00 0,00 0,00
3 10,57 11,96 12,93 13,89 14,58 14,58
4 9,04 4,04 11,07 18,11 23,16 23,16
Tabla 33
11
Cf. R. A. A. Morán, “Sistemas de Planificación…”, op. cit.
12
Cf. R. A. A. Morán, “Planificación Agregada de la Producción”, op. cit.
Planificación Desagregada de la Producción. 2012 R. Morán 35
z1 = 0, con lo que resulta s1 = 10. En estas condiciones, por las restricciones de coherencia,
debe ser x1,1 + x2,1 = z1 = 0, lo que implica x1,1 = x2,1 = 0, y las (35) en el primer período son
claramente incompatibles. Es decir, no hay un Plan Desagregado factible y por lo tanto el Plan
Agregado no es consistente. La razón es muy simple: s0 satisface el Plan agregado pero s1,0 es
insuficiente para el primer artículo y, aunque s2,0 es excesiva, son productos distintos y no se
pueden compensar. Es claro que si en el plan agregado hubiese sido s0 = 0, habría resultado
necesariamente z1 ≥ 10 y el plan sería consistente. En efecto, se puede demostrar que un plan
agregado es siempre consistente si los stocks iniciales son nulos.
La consistencia del plan agregado asegura la existencia de al menos un plan desagregado
factible. Sin embargo, cuando se realiza la desagregación solamente para el primer período es
necesario asegurar que la solución retenida para ese período no impida la factibilidad en la
desagregación para los períodos posteriores. Diremos entonces que la desagregación xk,1
(k = 1, 2,…, n) es consistente si existe una desagregación factible del plan agregado en los
períodos siguientes t = 2, 3,…, T.
De estas observaciones surge inmediatamente la cuestión de las condiciones necesarias y
suficientes para la consistencia en el proceso de desagregación; tema que ha sido ampliamente
estudiado y en cuyo detalle no entraremos.13
En efecto, desde el punto de vista de las aplicaciones prácticas en el ambiente de
permanentes cambios de la planificación y programación, si el plan agregado ha sido obtenido
por optimización (minimización del costo variable total anual), en lugar de verificar las
condiciones de consistencia, se prefiere flexibilizar las restricciones de coherencia de manera
que se puedan obtener planes desagregados factibles. Se admiten entonces, además de los
potenciales pendientes en las entregas, posibles desvíos en las restricciones de coherencia de
la producción y de los stocks, así como en las relaciones sobre las horas extras.
Para que el plan desagregado se ajuste tanto como sea posible al agregado los posibles
desvíos deben ser mínimos. Las variables que los representan se incorporan entonces con
costos apropiados en la función objetivo. El modelo del punto siguiente es un ejemplo de
aplicación de este enfoque.
13
Cf., por ejemplo, J. Erschler, G. Fontan and C. Merce, “Consistency of the Disaggregation Process in
Hierarchical Planning”, Operations Research, Vol. 34, No. 3 (May - Jun., 1986), pp. 464-469.
14
Adaptado del modelo de C. H. Chung y L. J. Krajewski, “Planning Horizon for Master Production
Scheduling”, Journal of Operations Management, Agosto de 1984, pp. 389-406.
36 Planificación Desagregada de la Producción. 2012 R. Morán
zi,t = Producción planificada de la familia i (i = 1, 2,…, I) en el período t, en horas de
producción.
si,t = Existencia de la familia i, al final del período t, en horas de producción.
ht = Horas normales de producción disponibles (capacidad) en t.
et = Horas extras planificadas en t.
βi,t = Variable binaria que indica si la familia i se fabrica en t:
= 1 si la familia i se produce en el período t
βi ,t =
= 0 en todo otro caso
Si el plan agregado se obtuvo también con un modelo de PEM, estas variables son un
resultado del mismo. En caso contrario hay que darles los valores que correspondan según el
plan agregado.
Para plantear el modelo de desagregación, definamos:
p = Subperíodo genérico del MPS, p = 1, 2,…, P, donde P es el número total de ellos,
por ejemplo 48 semanas.
Pt = Conjunto de subperíodos MPS en el período t del plan agregado. Por ejemplo, si
fueran semanas dentro del mes: P1 = {1, 2, 3, 4}; P2 = {5, 6, 7, 8}; etc. Entonces
cada p pertenece a algún Pt (p ∈ Pt, t = 1, 2,…, T).
xk,i,p = Producción planificada del producto k (k = 1, 2,…, Ki) de la familia i (i = 1, 2,…, I)
en el subperíodo p del MPS (p ∈ Pt), en horas de producción.
dk,i,p = Demanda pronosticada del producto k de la familia i, en el subperíodo p, en horas de
producción. Se supone consistente con la demanda agregada di,t pronosticada para la
familia i en el período t.
sk,i,p = Existencia del producto k de la familia i, al final del subperíodo p, en horas de
producción.
vk,i,p = Cantidad pendiente (atraso) del producto k de la familia i en el subperíodo p para el
subperíodo siguiente, en horas de producción.
Li = Tiempo de producción (lead time) de la familia i, medido en subperíodos del MPS.
Es el número de subperíodos MPS requerido para la producción de los artículos de la
familia i correspondientes a un período del plan agregado. Ejemplo: si Li > 1 y la
familia i se comienza a producir en el subperíodo p estará terminada en el subperíodo
p + Li − 1 (ya que se cuenta el subperíodo de inicio completo).
l = Subperíodo genérico del MPS dentro del tiempo Li (l = 1, 2,…, Li).
αi,p = Variable que indica en qué subperíodo MPS se hace la puesta a punto de la familia i:
= 1 si la p. a p. de la familia i se hace en el subperíodo p del MPS
αi , p =
= 0 en todo otro caso
mk,i,j,l = Proporción del tiempo estándar unitario de producción del producto k de la familia i,
utilizado en el centro de trabajo (CT) j (j = 1, 2,…, J), en el subperíodo l del tiempo
de producción Li [horas de centro de trabajo / horas de producción].
Consideraciones generales
1) Si en el plan agregado se supuso que una misma familia se puede hacer en todos los
períodos, los Li no deben superar la amplitud de un período del plan agregado, pues en
caso contrario se podrían solapar distintos lotes de una misma familia. Si los Li fueran
mayores que la amplitud del período del plan agregado, se deberían agregar restricciones
en el modelo para evitar los solapamientos. En lo que sigue se supone que Li > 1 (en
subperíodos del MPS), para todas las familias, e íntegramente contenidos en los
correspondientes períodos del plan agregado. Esto restringe los subperíodos del MPS en
los que puede comenzar la producción de una determinada familia.
2) El tiempo de producción expresado por un número entero de subperíodos se debe a que se
supone que la planificación se realiza en fase de tiempo. Esto significa que, por ejemplo, si
el tiempo de producción de una familia es de tres subperíodos (Li = 3), el último
subperíodo es para los artículos finales y los dos anteriores para producir los componentes
(piezas y conjuntos). Por lo tanto en el MPS figurarán solamente las cantidades (en horas
de producción) de los productos finales en el último subperíodo del tiempo de producción
Li, si bien en subperíodos anteriores se han utilizado recursos para producir los
componentes, recursos que deben ser tenidos en cuenta al plantear las restricciones de
capacidad debidas a los mismos.
3) Como el tiempo Li es común a toda la familia i, la planificación en fase de tiempo implica
que las cantidades (horas de producción) de todos los productos finales de la familia que se
fabriquen figurarán en el mismo subperíodo p del MPS, si la misma se comenzó a producir
en p –Li + 1. El orden en que se fabrican los artículos dentro de la familia no se establece
en este nivel de planificación sino en la programación posterior.
4) En un mismo período del plan agregado se puede producir más de una familia. En este
caso cada familia comenzará en un determinado subperíodo del MPS y terminará en otro,
períodos que pueden llegar a coincidir con los de otra familia.
Bajo estas consideraciones el modelo se puede plantear como sigue.
Restricciones
a) Balance producción-existencias-pendientes-demanda.
sk ,i , p −1 − sk ,i , p + xk ,i , p − vk ,i , p −1 + vk ,i , p = d k ,i , p
(36)
para p ∈ Pt , t = 1,L, T , k = 1,L, Ki , i = 1,L, I
donde sk,i,0 y vk,i,0 son datos.
b) Coherencia agregación-desagregación de la producción.
Ki
∑∑ x
k =1 p∈Pt
k ,i , p = zi ,t , i = 1, 2,L, I , t = 1, 2,L, T (37)
∑∑ x
k =1 p∈Pt
k ,i , p + zi−,t − zi+,t = zi ,t , i = 1, 2,L, I , t = 1, 2,L, T (38)
∑∑ s
k =1 p∈Pt
k ,i , p = si ,t , i = 1, 2,L, I , t = 1, 2,L, T (39)
∑∑ s
k =1 p∈Pt
k ,i , p + si−,t − si+,t = si ,t , i = 1, 2,L, I , t = 1, 2,L, T (40)
∑s k =1
k ,i , 0 = si , 0 , i = 1, 2,L, I (41)
pero son todos datos y no forman restricciones del modelo. Es una verificación solamente.
d) Capacidad (horas totales de producción).
Consideremos el período t del plan agregado. Si en el subperíodo p se producen xk,i,p horas
del artículo terminado k de la familia i, la producción de la familia comenzó en p – Li + 1,
subperíodo en el cual se realizó la puesta a punto. Del total de horas del producto terminado,
mk ,i , j ,l xk ,i , p horas se procesan en el CT j en el subperíodo l (l = p – Li + 1,…, p) y por lo tanto
la producción de xk,i,p horas del artículo terminado k en el subperíodo p requiere un total de
p J
∑ ∑ (m
l = p − Li +1 j =1
k ,i , j ,l xk ,i , p ) horas en los Li subperíodos. Considerando todos los productos y el
Ki p J
tiempo de puesta a punto, para la familia i se tiene: ∑ ∑ ∑ (m
k =1 l = p − Li +1 j =1
k ,i , j ,l xk ,i , p ) + ri ,t αi , p− Li +1 y
entonces el tiempo total empleado para todas las familias en el período t del plan agregado es
I Ki p J −
∑ ∑ ∑ ∑ ( mk ,i , j ,l xk ,i , p ) + ri ,t αi , p − Li +1 + et − et = ht + et
i =1 k =1 l = p − Li +1 j =1
+
(42)
para p ∈ Pt , t = 1, 2,L , T
donde se han considerado también posibles desvíos en más o en menos de las horas extras.
e) Imposibilidad de repetición en el período.
Como la puesta a punto se puede hacer a lo sumo una sola vez en el período t, debe ser
∑α
p∈Pt
i, p = βi ,t , i = 1, 2,L, I , t = 1, 2,L, T (43)
∑x
k∈Ki
k ,i , p ≤ Mαi , p − Li +1 , p ∈ Pt , i = 1, 2,L, I , t = 1, 2,L, T (44)
donde M es un número suficientemente grande como para que si la variable binaria es igual a
uno, la restricción no sea efectiva.
g) Restricción de no negatividad.
Todas las variables deben ser no negativas.
h) Todas las αi,p binarias.
Función objetivo
Dado que el plan agregado minimiza el costo total anual, como hemos supuesto, ahora la
función objetivo se plantea como la minimización del “costo” total de las desviaciones
[ ]
T I Ki
min. CT = ∑∑∑∑ ck ,i vk ,i , p + cz + zi+,t + cz − zi−,t + cs + si+,t + cs − si−,t + ce+ et+ + ce− et− (45)
i i i i
t =1 i =1 k =1 p∈Pt
deben ser mayores que cs+ y cs− . Análogamente para las otras variables.
i i
Observaciones
1) El plan agregado está expresado en horas de producción por familias (que podría ser un
solo producto agregado). El plan desagregado expresa los productos finales también en
horas, con las que se pueden obtener las unidades. En este modelo también es posible la
producción simultánea de más de un producto en un mismo período.
2) El modelo requiere el pronóstico de los productos finales (en horas de producción) por
período para todo el horizonte de planificación. Esto puede ser una limitación en las
aplicaciones si el horizonte es de mediano plazo y los pronósticos son imprecisos. En este
caso se puede aplicar el modelo para desagregar únicamente los primeros períodos del plan
agregado, incorporando nuevos períodos en las sucesivas revisiones.
3) Si el número de familias y de productos finales es grande y además los períodos del MPS
son diferentes de los del plan agregado (por ejemplo semanas y meses), la cantidad de
variables binarias de decisión que se requieren puede ser muy grande y el tiempo de
cálculo puede ser enorme. Sin embargo, como comentaremos luego, se pueden obtener
aproximaciones muy buenas de la solución óptima en tiempos de cálculo aceptables.
[ ]
T I Ki
min. CT = ∑∑∑∑ ck ,i vk ,i , p + cz + zi+,t + cz − zi−,t + cs + si+,t + cs − si−,t + ce+ et+ + ce− et− (46)
i i i i
t =1 i =1 k =1 p∈Pt
sujeta a
sk ,i , p −1 − sk ,i , p + xk ,i , p − vk ,i , p −1 + vk ,i , p = d k ,i , p , p ∈ P , ∀k , i, t
Ki
∑ ∑ xk ,i , p + zi−,t − zi+,t = zi ,t , ∀i , t
k =1 p∈Pt
K
i
∑ ∑ sk ,i , p + si ,t − si ,t = si ,t , ∀i , t
− +
k =1 p∈Pt
I Ki p J − +
∑ ∑ ∑ ∑ (mk ,i , j ,l xk ,i , p ) + ri ,t αi , p − Li +1 + et − et = ht + et , p ∈ P , ∀t (47)
i =1 k =1 l = p − Li +1 j =1
∑ αi , p = β i ,t , ∀i , t
p∈Pt
∑ xk ,i , p ≤ Mαi , p − Li +1 , p ∈ P , ∀i, t
k∈Ki
x , s , v , z − , z + , s − , s + , e − , e + ≥ 0 , p ∈ P , ∀k , i , t
k ,i , p k ,i , p k ,i , p i ,t i ,t i ,t i ,t t t
αi , p binarias , p ∈ P , ∀i, t
3.5.1 Alternativas
A partir de este modelo básico se pueden desarrollar diversas alternativas para las
aplicaciones en distintos casos concretos. Un caso importante que conduce a un modelo más
simple y también más flexible se tiene cuando los Li = 1 para todas las familias. Esto significa
que la producción de cada familia puede comenzar y terminar en un mismo subperíodo del
MPS.
Dado que toda la familia se realiza en el mismo subperíodo (componentes y productos
finales), la restricción d) se simplifica notablemente y se puede plantear por subperíodo del
MPS:
I
Ki J
T
∑ ∑∑ (m k ,i , j xk ,i , p ) + ri ,t αi , p − e p ≤ ht
P
, p ∈ Pt , t = 1, 2,L, T (48)
i =1 k =1 j =1
donde la proporción de tiempo en cada centro de trabajo para cada producto, mk,i,j, ya no
depende del subperíodo y ep son las horas extras utilizadas en el subperíodo p. La desigualdad
implica que pueden no utilizarse todas las horas normales planificadas (holgura positiva), en
cuyo caso será ep = 0. T / P es la proporción del tiempo de producción en horas normales
asignado al período t en el plan agregado, que corresponde a cada subperíodo p ∈ Pt del MPS
(por ejemplo, si T = 12 y P = 48, entonces T / P = ¼).
Considerando posibles desvíos respecto de las horas extras planificadas en el plan
agregado, se debe cumplir
∑e
p∈Pt
p + et− − et+ = et , p ∈ Pt , t = 1, 2,L, T (49)
∑x
k =1
k ,i , p ≤ Mαi , p , p ∈ P , i = 1, 2,L, I , t = 1, 2,L, Tt (50)
15
Cf. Rogelio A. A. Morán, Programación Lineal…, op. cit., pp. 156-163.
42 Planificación Desagregada de la Producción. 2012 R. Morán
4 BIBLIOGRAFÍA
1. Bedworth, David D. y James E. Bailey, Sistemas Integrados de Control de Producción,
México: Limusa, 1992.
2. Chapman, Stephen N., Planificación y control de la producción, Pearson Educación S.
A., 2006.
3. Elsayed, Elsayed A. y Thomas O. Boucher, Analysis and Control of Production Systems,
2ª ed., Upper Saddle River, NJ: Prentice-Hall, Inc., 1994.
4. Jacobs, F. Robert, William Berry, D. Clay Whybark y Thomas Vollmann, Manufacturing
Planning and Control for Supply Chain Management, 6a ed., McGraw-Hill, 2011.
5. Kempf, Karl G., Pınar Keskinocak y Reha Uzsoy, Planning Production and Inventories
in the Extended Enterprise: A State-Of-The-Art Handbook, vol. 2, Springer, 2011.
6. Krajewski, Lee J., Larry P. Ritzman y Manoj Malhotra, Administración de Operaciones.
Procesos y Cadenas de valor, 8ª ed., Pearson Educación S.A., 2008.
7. Morán, Rogelio A. A., Programación Lineal. Una introducción con extensiones a la
Programación Entera y a la Programación Cuadrática, 2ª ed., Rosario: UNR Editora,
2011.
8. –––––, “El sistema de Planificación, Programación y Control de la Producción”,
Departamento de Optimización y Control, Escuela de Ingeniería Industrial, Facultad de
Ciencias Exactas, Ingeniería y Agrimensura, U.N.R., Rosario, 2011.
9. –––––, “Elementos de Gestión de las Existencias (Stocks)”, Departamento de
Optimización y Control, Escuela de Ingeniería Industrial, Facultad de Ciencias Exactas,
Ingeniería y Agrimensura, U.N.R., Rosario, 2007.
10. –––––, “Planificación Agregada de la Producción”, Departamento de Optimización y
Control, Escuela de Ingeniería Industrial, Facultad de Ciencias Exactas, Ingeniería y
Agrimensura, U.N.R., Rosario, 2012.
11. Mukhopadhyay, S. K., Production Planning and Control: Text and Cases, 2a. ed., PHI
Learning Pvt. Ltd., 2007.
12. Nahmias, Steven, Análisis de la Producción y las Operaciones, 5a ed., McGraw-Hill,
2007.
13. Narasimhan, S. L.; D. W. McLeavey y P. J. Billington, Planeación de la Producción y
Control de Inventarios, 2ª ed., México: Prentice-Hall Hispanoamericana S.A., 1996.
14. Pochet, Yves and Laurence A. Wolsey, Production Planning by Mixed Integer
Programming, NY: Springer, 2006.
Ejemplo 9
Programa LINDO
MIN 20 XA1 + 30 XB1 + 25 XC1 + 20 XA2 + 30 XB2 + 25 XC2 + 20 XA3 + 30 XB3 + 25 XC3 + 20 XA4 + 30 XB4 + 25 XC4
+ 20 XA5 + 30 XB5 + 25 XC5 + 20 XA6 + 30 XB6 + 25 XC6 +
300 ALFAA1 + 0 ALFAA1 + 400 ALFAA1 + 300 ALFAA1 +500 ALFAB1 + 300 ALFAB1 + 200 ALFAB1 + 0 ALFAB1 + 0
ALFAC1 + 200 ALFAC1 + 300 ALFAC1 + 400 ALFAC1 +
300 ALFAA2 + 0 ALFAA2 + 400 ALFAA2 + 300 ALFAA2 +500 ALFAB2 + 300 ALFAB2 + 200 ALFAB2 + 0 ALFAB2 + 0
ALFAC2 + 200 ALFAC2 + 300 ALFAC2 + 400 ALFAC2 +
300 ALFAA3 + 0 ALFAA3 + 400 ALFAA3 + 300 ALFAA3 +500 ALFAB3 + 300 ALFAB3 + 200 ALFAB3 + 0 ALFAB3 + 0
ALFAC3 + 200 ALFAC3 + 300 ALFAC3 + 400 ALFAC3 +
300 ALFAA4 + 0 ALFAA4 + 400 ALFAA4 + 300 ALFAA4 +500 ALFAB4 + 300 ALFAB4 + 200 ALFAB4 + 0 ALFAB4 + 0
ALFAC4 + 200 ALFAC4 + 300 ALFAC4 + 400 ALFAC4 +
300 ALFAA5 + 0 ALFAA5 + 400 ALFAA5 + 300 ALFAA5 +500 ALFAB5 + 300 ALFAB5 + 200 ALFAB5 + 0 ALFAB5 + 0
ALFAC5 + 200 ALFAC5 + 300 ALFAC5 + 400 ALFAC5 +
300 ALFAA6 + 0 ALFAA6 + 400 ALFAA6 + 300 ALFAA6 +500 ALFAB6 + 300 ALFAB6 + 200 ALFAB6 + 0 ALFAB6 + 0
ALFAC6 + 200 ALFAC6 + 300 ALFAC6 + 400 ALFAC6 +
0.40 SA1 + 0.60 SB1 + 0.50 SC1 + 0.40 SA2 + 0.60 SB2 + 0.50 SC2 + 0.40 SA3 + 0.60 SB3 + 0.50 SC3 + 0.40 SA4 +
0.60 SB4 + 0.50 SC4 + 0.40 SA5 + 0.60 SB5 + 0.50 SC5 + 0.40 SA6 + 0.60 SB6 + 0.50 SC6 +
50 FA1 + 70 FB1 + 40 FC1 + 50 FA2 + 70 FB2 + 40 FC2 + 50 FA3 + 70 FB3 + 40 FC3 + 50 FA4 + 70 FB4 + 40 FC4 + 50
FA5 + 70 FB5 + 40 FC5 + 50 FA6 + 70 FB6 + 40 FC6 +
30 E11 + 30 E21 + 30 E31 + 30 E41 + 30 E12 + 30 E22 + 30 E32 + 30 E42 + 30 E13 + 30 E23 + 30 E33 + 30 E43 + 30
E14 + 30 E24 + 30 E34 + 30 E44 + 30 E15 + 30 E25 + 30 E35 + 30 E45 + 30 E16 + 30 E26 + 30 E36 + 30 E46
SUBJECT TO
2) XA1 - SA1 + FA1 = 100
3) XB1 - SB1 + FB1 = 200
4) XC1 - SC1 + FC1 = 210
5) SA1 + XA2 - SA2 - FA1 + FA2 = 200
6) SB1 + XB2 - SB2 - FB1 + FB2 = 300
7) SC1 + XC2 - SC2 - FC1 + FC2 = 200
8) SA2 + XA3 - SA3 - FA2 + FA3 = 220
9) SB2 + XB3 - SB3 - FB2 + FB3 = 320
10) SC2 + XC3 - SC3 - FC2 + FC3 = 180
11) SA3 + XA4 - SA4 - FA3 + FA4 = 230
12) SB3 + XB4 - SB4 - FB3 + FB4 = 330
13) SC3 + XC4 - SC4 - FC3 + FC4 = 160
14) SA4 + XA5 - SA5 - FA4 + FA5 = 220
15) SB4 + XB5 - SB5 - FB4 + FB5 = 350
16) SC4 + XC5 - SC5 - FC4 + FC5 = 130
17) SA5 + XA6 - SA6 - FA5 + FA6 = 200
18) SB5 + XB6 - SB6 - FB5 + FB6 = 380
19) SC5 + XC6 - SC6 - FC5 + FC6 = 100
20) XA1 - 10000 ALFAA1 <= 0
21) XB1 - 10000 ALFAB1 <= 0
22) XC1 - 10000 ALFAC1 <= 0
23) XA2 - 10000 ALFAA2 <= 0
24) XB2 - 10000 ALFAB2 <= 0
25) XC2 - 10000 ALFAC2 <= 0
26) XA3 - 10000 ALFAA3 <= 0
27) XB3 - 10000 ALFAB3 <= 0
28) XC3 - 10000 ALFAC3 <= 0
29) XA4 - 10000 ALFAA4 <= 0
30) XB4 - 10000 ALFAB4 <= 0
31) XC4 - 10000 ALFAC4 <= 0
32) XA5 - 10000 ALFAA5 <= 0
33) XB5 - 10000 ALFAB5 <= 0
34) XC5 - 10000 ALFAC5 <= 0
35) XA6 - 10000 ALFAA6 <= 0
36) XB6 - 10000 ALFAB6 <= 0
37) XC6 - 10000 ALFAC6 <= 0
38) 1.2 XA1 + 0.7 XB1 + 1.1 XC1 = 700
39) 1.2 XA2 + 0.7 XB2 + 1.1 XC2 = 700
40) 1.2 XA3 + 0.7 XB3 + 1.1 XC3 = 700
41) 1.2 XA4 + 0.7 XB4 + 1.1 XC4 = 700
42) 1.2 XA5 + 0.7 XB5 + 1.1 XC5 = 700
43) 1.2 XA6 + 0.7 XB6 + 1.1 XC6 = 700
44) 0.3 XA1 + 0.4 XB1 + 0 XC1 + 3 ALFAA1 + 5 ALFAB1 + 0 ALFAC1 - E11 = 160
45) 0 XA1 + 0.3 XB1 + 0.4 XC1 + 0 ALFAA1 + 3 ALFAB1 + 2 ALFAC1 - E21 = 150
46) 0.5 XA1 + 0.3 XB1 + 0.4 XC1 + 4 ALFAA1 + 2 ALFAB1 + 3 ALFAC1 - E31 = 280
Solución
OBJECTIVE FUNCTION VALUE
1) 147041